Scribd Logo
Importer

Bienvenue sur Scribd !

  • 90 vues

    COLLETAZ Series Temporelles Multivariees - MaJ 2020

    Transféré par

    Septimus Pierre
    Ce cours traite de la modélisation linéaire autorégressive de vecteurs aléatoires afin de permettre la construction de prévisions et l’étude des relations dynamiques entre les variables. Il aborde la modélisation de variables stationnaires et non stationnaires.

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd

    COLLETAZ Series Temporelles Multivariees - MaJ 2020

    Transféré par

    Septimus Pierre
    90 vues2 pages
    Ce cours traite de la modélisation linéaire autorégressive de vecteurs aléatoires afin de permettre la construction de prévisions et l’étude des relations dynamiques entre les variables. Il aborde la modélisation de variables stationnaires et non stationnaires.

    Titre original

    COLLETAZ-Series-Temporelles-Multivariees_MaJ-2020

    Copyright

    © © All Rights Reserved

    Formats disponibles

    PDF, TXT ou lisez en ligne sur Scribd

    Avez-vous trouvé ce document utile ?

    Ce contenu est-il inapproprié ?

    Ce cours traite de la modélisation linéaire autorégressive de vecteurs aléatoires afin de permettre la construction de prévisions et l’étude des relations dynamiques entre les variables. Il aborde la modélisation de variables stationnaires et non stationnaires.

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd
    Télécharger au format pdf ou txt
    90 vues2 pages

    COLLETAZ Series Temporelles Multivariees - MaJ 2020

    Transféré par

    Septimus Pierre
    Ce cours traite de la modélisation linéaire autorégressive de vecteurs aléatoires afin de permettre la construction de prévisions et l’étude des relations dynamiques entre les variables. Il aborde la modélisation de variables stationnaires et non stationnaires.

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd
    Télécharger au format pdf ou txt
    sur 2

    Séries temporelles multivariées

    Nom : COLLETAZ Prénom : Gilbert Année : M1 Semestre : 8

    Nature : CM + TD Volume horaire : 30 + 15 ECTS / Coef : 6

    - Cours de statistiques (estimation par le maximum de vraisemblance, propriétés


    des estimateurs, théorie des tests),
    Prérequis - Cours d’économétrie linéaire (estimation OLS, GLS, FGLS),
    - Cours de séries temporelles univariées

    Ce cours a pour objet la modélisation linéaire autorégressive d’un vecteur aléatoire afin
    de permettre la construction de prévisions et l’étude des relations dynamiques entre
    les variables. La première partie du cours considère des vecteurs stationnaires. On y
    aborde les questions du choix de l’ordre autorégressif d’un VAR, des tests de validation,
    Résumé de la causalité au sens de Granger, de la propagation d’un choc au sein d’un système
    économique via l’étude des fonctions de réponse. La seconde partie traite de la
    modélisation des variables non stationnaires et notamment des variables intégrées
    d’ordre un. On présente les principaux tests de cointégration (procédure en deux
    étapes d’Engle-Granger, test de Johansen) ainsi que les modèles à correction d’erreur.

    - Maîtriser les trois étapes de construction d’un modèle VAR sur variables
    stationnaires: identification de l’ordre du processus, estimation et validation du
    modèle ajusté.
    - Comprendre la construction des prévisions et des intervalles de confiance associés
    à un processus VAR estimé.
    - Etre capable d’expliquer le concept de causalité au sens de Granger et de réaliser
    les tests de détection de prédicteurs avancés.
    Objectifs - Comprendre le mécanisme de propagation des chocs dans un VAR via la
    construction et l’interprétation des fonctions de réponse. Comprendre l’intérêt et
    les limites du passage à des chocs orthogonalisés.
    - Sur des séries possiblement non stationnaires intégrées, savoir réaliser les tests de
    cointégration en deux étapes d’Engle-Granger et ceux de Johansen.
    - Comprendre le concept de la cointégration et la signification des modèles VECM
    qui en découlent, être en mesure de choisir la modélisation adaptée à des séries
    observées entre VAR en niveaux, VAR sur différences et VECM.

    - Manuels spécialisés :
     James D. Hamilton, Time Series Analysis, Princeton University Press, 1994
     Christian Gourieroux et Alain Montfort, Séries temporelles et modèles
    dynamiques, Economica, 1995 (2ième édition), Economica.
    - Manuels d’applications :
     Walter Enders, Applied Econometric Time Series, 3rd. ED., John Wiley & Sons,
    Bibliographie
    2009.
     Ruey S. Tsay, Analysis of Financial Time Series, John Wiley & Sons,
    2005.Economica.
     Anders Milhoj, Multiple Time Series Modeling Using the SAS® VARMAX
    Procedure, 2016, SAS Institute.

    Syllabus cours Master 1 ESA – MàJ 2020


    PLAN
    Chapitre 1 Introduction aux Processus Multivariés

    Section 1.1 L’écriture VMA


     Le VMA(q)
     Le VMA(∞)

    Section 1.2 Le processus VAR(p)


     Écritures VMA ET VAR, stabilité, stationarité
     Écriture d’un VAR(p) comme VAR(1), matrice companion

    Section 1.3 Les prévisions tirées d’un VAR

    Section 1.4 L’estimation d’un VAR


     Estimation par le maximum de vraisemblance conditionnel
     L’estimation d’un VAR(p) sous Proc VARMAX dans SAS 9.4
     Estimation SURE de Zellner
     La détermination de l’ordre du VAR
     Les outils de validation

    Section 1.5 Les fonctions de réponse aux chocs


     Les fonctions de réponse simples
     Les fonctions de réponse orthogonalisées
     L’interprétation des chocs orthogonalisés et les conséquences de cette orthogonalisation
     Intervalles de confiance sur les fonctions de réponses
     L’obtention des fonctions de réponse et de leurs écart-types dans VARMAX

    Section 1.6 La décomposition de la variance des erreurs de prévisions

    Section 1.7 La causalité au sens de Granger


     Causalité dans un système bivarié
     Causalité selon Granger avec des variables Intégrées – l’apport de Toda & Yamamoto
     Causalité entre deux ensembles de variables : les mesures de GEWEKE
     Un exemple

    Section 1.8 Une introduction aux VAR structurels


     Un exemple
     Les difficultés d’estimation des VAR structurels et le recours aux VAR
     Du VAR au VAR structurel : les conditions d’identification
     Une relecture de la décomposition de cholesky

    Chapitre 2 La cointégration

    Section 2.1 Introduction – Définition et théorème de représentation de Granger

    Section 2.2 Le test de cointegration en deux étapes d’Engle-Granger

    Section 2.3 La cointégration dans un cadre multivarié – l’approche de Johansen


     Corrélations canoniques – test de la trace et test λ-max
     L’identification des loading factor et des vecteurs cointégrants
     La prise en compte de termes déterministes
     Tests sur les loading factor et les vecteurs cointégrants dans VARMAX

    Syllabus cours Master 1 ESA – MàJ 2020

    Vous aimerez peut-être aussi